Tensorflow - h5模型到tflite转换错误答案

【问题标题】：Tensorflow - h5 model to tflite conversion errorTensorflow - h5模型到tflite转换错误
【发布时间】：2019-06-10 04:56:54
【问题描述】：

我使用预训练的 InceptionV3 模型进行了学习迁移，并保存了 h5 模型文件。在那之后，我能够做出预测。现在，我想使用 TFLiteConverter.convert() 方法将 h5 模型转换为 tflite 文件，如下所示：

converter = lite.TFLiteConverter.from_keras_model_file('keras.model.h5')
tflite_model = converter.convert()

但我收到此错误：

File "from_saved_model.py", line 28, in <module>
    tflite_model = converter.convert()
  File "C:\Anaconda3\lib\site-packages\tensorflow\contrib\lite\python\lite.py", line 409, in convert
    "invalid shape '{1}'.".format(_tensor_name(tensor), shape))
ValueError: None is only supported in the 1st dimension. Tensor 'input_1' has invalid shape '[None, None, None, 3]'

我在 Windows 10 64 位上运行 Anaconda Python 3.6.8。提前感谢您的帮助！

【问题讨论】：

在保存 keras 模型之前，能否确保 in_tensors 的形状正确（[None, x, y, 3]）？
您的问题解决了吗？我面临着完全相同的问题

标签： tensorflow keras keras-layer tensorflow-lite

【解决方案1】：

将模型从 TensorFlow 转换为 TensorFlow Lite 时，仅允许批量大小（索引 0）为 None。您应该能够在调用from_keras_model_file 时使用input_shapes 参数来使输入数组形状有效。对于 InceptionV3 模型，input_shapes 参数通常是 {'Mul' : [1,299,299,3]}。

TFLiteConverter.from_keras_model_file 的文档可在here 获得。接受的参数如下（从文档中复制）：

from_keras_model_file(
    cls,
    model_file,
    input_arrays=None,
    input_shapes=None,
    output_arrays=None
)

【讨论】：

【解决方案2】：

加载 keras.model.h5
设置input_shape，避免[None, None, None, 3]
将其另存为新模型。
仅使用您在问题中发布的代码进行转换。

【讨论】：

【解决方案3】：

batch_size 是唯一可以指定为 none 的维度。

input_shape中的第一个维度是batch_size，第二个和第三个维度表示图像的输入大小，最后一个表示通道数（RGB）。

为避免出现错误，请事先指定尺寸。

这可以使用 toco 来实现（一种直接将获取的 keras 模型转换为 .tflite 的工具，而无需先将其转换为 .pb 模型，然后再转换为 .tflite 模型）。使用 toco 中的 input_shape 参数，您可以指定 keras 模型的 input_shape 的尺寸。

为python安装toco，然后运行以下命令，

toco --output_file = output_model.tflite --keras_model_file = keras.model.h5 --input_arrays input_1 --input_shape 1,299,299,3

此处的 batch_size 维度可能因您的模型而异。至于输入尺寸尺寸，299x299 是 InceptionV3 模型的默认输入尺寸。

【讨论】：